Daten und Modelle

Der SimBench-Datensatz ist eine Entwicklung für Lösungen im Bereich der Netzanalyse, Netzplanung und Netzbetriebsführung. Er soll die Entwicklung neuer Methoden und Lösungen unabhängig von nicht öffentlich verfügbaren einzelnen Netzdatensätzen ermöglichen und somit eine Reproduzierbarkeit, Vergleichbarkeit und Transparenz verschiedener Entwicklungen auf diesem Gebiet gewährleisten.

Der Datensatz beinhaltet elektrische Parameter zur statischen Modellierung von Stromnetzen und umfasst Spannungsebenen von der Nieder- bis zur Höchstspannung. Alle 13 Grundnetze sind miteinander verschaltbar und in drei Varianten (Entwicklungsszenarien) verfügbar. Integriert sind außerdem Jahreszeitreihen in 15-Minuten-Auflösung für ein Jahr sowie planungsrelevante Berechnungsfälle.

Der Datensatz ist im Rahmen des SimBench-Projekts entwickelt worden. Das Projekt wurde vom Bundesministerium für Wirtschaft und Energie und dem Projektträger Jülich gefördert (FKZ: 0325917).

Für PowerFactory wurden zwei verschiedene Modelle entwickelt, implementiert und validiert:

WECC Generic Phovoltaic System Model
Paper: Implementation and validation of WECC generic photovoltaic system models in DIgSILENT PowerFactory
Download: WECC Generic Photovoltaic System Model [PFD]

Nordic Test System
Paper: Implementation and validation of the Nordic test system in DIgSILENT PowerFactory
Download: Nordic Test System [PFD]

Cold Load Pickup Model Adequacy for Power System Restoration Studies
Paper: Cold Load Pickup Model Adequacy for Power System Restoration Studies
Download: Cold Load Pickup Data

Das maßgeblich von der PUT Vision Lab (Computer Vision der Poznan Universität of Technology) entwickelte OpenSource QGis Plugin Deepness: Deep Neural Remote Sensing QGIS Plugin bietet eine intuitiv zu bedienende Oberfläche zur Anwendung von Bilderkennung, Objektregression sowie Semantischer Segmentierung in der Domäne der Fernerkundung. Die Anleitung zum Tool beinhaltet neben Installationshinweisen eine Auswahl frei verfügbarer Modelle.

Im Rahmen des Projektes „Development and Demonstration of a Sustainable Open Access AU-EU Ecosystem for Energy System Modelling“ (OASES) wurde das Plugin um ein weiteres Modell ergänzt. Ein gemeinsam vom Fachgebiet Energiemanagement und Betrieb elektrischer Netze, dem Fraunhofer IEE sowie dem Council for Scientific and Industrial Research (CSIR) aus Südafrika entwickeltes, auf Tiefen Lernen basierende Modell zur Segmentierung von PV-Anlagen in verschiedenen aufgelösten Luft- und Satellitenbildern wurde so integriert, sodass Nutzer es ohne weitere Programmierkenntnisse direkt auf jeden Ort des Globus anwenden können. Eine detaillierte Beschreibung der Methode ist in der wissenschaftlichen Publikation zusammengefasst.

Das Projekt ist Teil des LEAP-RE-Programms. LEAP-RE wurde durch das Forschungs- und Innovationsprogramm Horizon 2020 der Europäischen Union unter Grant Agreement 963530 und dem BMBF gefördert.

Das Projekt ist Teil des LEAP-RE-Programms. LEAP-RE wurde durch das Forschungs- und Innovationsprogramm Horizon 2020 der Europäischen Union unter Grant Agreement 963530 und dem BMBF gefördert.